<mark id="oztn4"></mark>
0
自動駕駛的賽道上，一場降維之戰已經悄然打響。
特斯拉兩次預言完全自動駕駛落地時間，卻在2017、2020年被分別打臉。如今的Autopilot依然需要駕駛員主動監控，甚至讓不少曾經高價購入“完全自動駕駛能力”的車主大呼上當。
在特斯拉官網上，仍然畫著那張未落地的“大餅”：“我們預期完全自動駕駛電腦將能夠通過數十億英里的行駛數據不斷學習和優化，從而大幅提高車輛的自動駕駛能力。”
如今，陷入困境的汽車智能化賽道上，參數的膨脹兵馬稍歇，而中央計算的糧草已經先行。
車廠「脫下長衫」，回歸體驗
曾經風光無限的L4級別的智能駕駛賽道上，如今已經人馬寥落。
L4黯淡的主要原因是商業價值不明朗。
一方面，L4級別的自動駕駛不僅對芯片算力有著極高要求，而且還需要配套硬件和軟件算法，不論是對目標用戶還是廠商，這種成本都幾乎不可接受。
技術在實驗室里可以集萬千寵愛于一身，但在市場上卻不得不面對柴米油鹽。
幾年前，滴滴曾經在一輛車上集成了近20個傳感器，包括激光雷達、毫米波雷達和超聲波雷達，一輛車造價高達數百萬元。即使到今天，號稱能夠完成L4智能駕駛任務的英偉達Orin芯片方案也只能應用在中高端車型上，無法做到全系覆蓋。
另一方面，雖然智能駕駛相關技術發展迅猛，如今在硬件配合下已經可以實現城市NOA等功能，但權責劃分和復雜場景下的“電車難題”等問題仍是翻不過去的難關。
成本與技術兩方面的困難讓L4級別自動駕駛賽道上的千舟競發變成了一場“望山跑死馬”的絕望行軍。
在廣汽埃安副總經理張雄看來，不論是智能座艙還是智能駕駛，在最初橫空出世對傳統方案形成降維打擊之后，后續的成長其實都相當堪堪，空有參數的增長，卻陷入體驗的停滯。
如今，硬件預埋似乎要成為內卷L4的廠商們脫不下的長衫。
張雄認為，解決一個問題之前，首先要考慮的是它的方向是否正確。具體到車企而言，考慮的核心應該是用戶是否需要這些東西并為之買單。
坐穩智能駕駛芯片領域頭把交椅上的英偉達，從2015年推出NVIDIA Drive系列后，智能駕駛芯片一年一代“下餃子”，算力從初代的1T膨脹到2022年“雷神”的2000T，僅用7年將擴展了兩千倍，但與之相對的是實現L4級別智能駕駛的目標看起來依然遙遙無期。
從現實情況和技術特點來看，自動駕駛都更可能會在To B市場落地并逐漸成熟，在消費者信心增強后，才能在C端用戶市場落地。
2016年前后智能座艙開始全面取代傳統座艙打響了“革命第一槍”之后，也陷入了對用戶需求的迷茫，再沒能在此基礎上給用戶帶來顛覆性的體驗。
車廠的得非所愿和用戶的愿非所得之間，已經悄然裂開了一道鴻溝。
填平參數與體驗的鴻溝
無論在今天將“硬件預埋”狀態下價格昂貴，體驗一般的智能駕駛和陷入瓶頸的智能座艙如何雞肋，智能座艙和智能駕駛都毫無疑問依然是用戶和廠商最關心的領域。
不少人都將燃油車時代以機械架構為唯一指標的評價方式向新能源時代電氣架構的演進看作汽車行業一次“iPhone”式的變革。
如果說機械架構是汽車的血肉和骨骼，那么電子電氣架構就是汽車的大腦。 從“大哥大”到如今越來越卷的智能手機，原本打電話、發短信的功能并沒有消失。而是成為了“底層功能”，作為現代智能手機中的血肉與骨骼而存在。
座艙和智能駕駛這兩個因汽車電子電氣架構革新走入大眾視野的需求，則是汽車智能化的代表。
當整個產業鏈都在探索跳出“參數內卷”的怪圈，填平不斷膨脹的參數和消費者實際體驗之間的鴻溝的方法時，電子電氣架構從分立的域控制器向中心化計算架構的轉變為此提供了一種可能解。
所謂中心化計算架構，其實是算力的進一步集中。早在汽車從燃油車時代向電氣化時代轉變時，這種變化就已有趨勢。原本大大小小數百個ECU，如今已經變成封裝成以功能分類的域控制器，而中心化計算架構，則是進一步整合，將整車算力變為一個中央計算平臺和數個區域控制器。
在張雄看來，數據是體驗的核心，不論是用戶的需求還是技術的演進，起點必然是數據的采集和處理。但汽車與手機不同。手機只有一個SoC，系統簡單，控制點少，因此生態迭代相對簡單。但汽車有很多功能和節點，如果采用分布式架構，這些數據無法互通，數據的采集和處理都會變得非常困難。
張雄將計算架構看做是一場戰爭的排兵布陣，不同的控制單元則是算力安營扎寨的陣地。當前架構下，這些陣地各自為政，數據的相互傳輸手續繁雜。而中央計算架構則專為拆墻而生，通過重新布置，讓他們圍繞著中央計算單元CCU的“中軍大寨”扎營。這樣原有被隔離在各個域控制器中的數據集中到CCU中，而CCU將所有核心功能集中，并與其他“陣地”之間建立高效的連接。
隨著智能化應用的不斷演進，整車傳感器數量和數據倍增，芯片算力、存儲容量、通信帶寬和軟件功能也不斷突破新高。新需求的功能升級要添加到原有架構上只能以獨立子系統形式，這會導致硬件資源浪費、線束布置復雜、上層應用邏輯復雜等一系列問題。最終給主機廠的開發設計、制造成本和售后維護帶來挑戰。
另外，車上許多功能都需要以OTA的形式最終實現，保證生命周期內持續升級也是具有必要性。
只有升級中央計算架構，將整車軟硬件一體化，才能將所有接口API化、服務化，才能打造更復雜的系統，實現進一步的技術演進。
算力集中后，供應鏈的環狀「變形」
實際上，當我們談論中心化計算架構，并不是在討論未來。
不論是英偉達去年發布的Thor芯片還是憑借8155芯片站穩座艙霸主地位的高通，都對域控制器融合的新趨勢野心勃勃。英偉達宣稱Thor會成為全車算力的集中平臺，高通則采用不同類型芯片組合，將算力也拉到了2000T，與英偉達對標的同時，也向著跨域集成進軍。
在中央計算架構上車落地的同時，主機廠的需求和與芯片廠商的關系也在悄然發生著變化。
從完全分布式的ECU方案到扁平的域控制器方案再到中心計算架構，芯片廠商與汽車“靈魂”
的距離越來越近。
傳統的汽車芯片供應鏈中一條層級分明的直線：芯片企業將產品賣給一級供應商，他們根據整車廠的需求做成ECU，然后將其提供給整車廠。
但隨著汽車電子電氣架構的革新，車廠對芯片的需求也越來越復雜。
張雄表示，中央計算架構下，芯片既要具有一定的處理能力，也要有實現本地處理之后，與云端連接，建立數據閉環的能力。
在廣汽埃安推出的新車Hyper GT上，中心化計算平臺就已經得以應用。Hyper GT的整車算力算力由3個核心計算單元承擔，其中之一為中央計算單元，采用了恩智浦S32G3。另外兩個核心是智能駕駛計算單元以及信息娛樂計算單元。
據恩智浦大中華區汽車電子事業部高級市場經理余軍苗解釋，在中央計算架構中，需要一個“中央車控單元”，在車輛里通過網關或其他鏈接的鏈路收集節點各種信號，在進行處理后送到云端，然后在云端進行未來應用和服務的迭代，最后再下載到車里。S32G3所扮演的正是這樣一個“中央司令部”的角色。
據恩智浦介紹，數據傳輸采用了萬兆以太網傳輸，傳輸速率比以往至少提升了10倍，同時線束回路減少了40%，控制器減少了20個。新架構在在算力方面提升了50倍。
依靠原來線性邏輯的供應鏈完成這種需求，是一個幾乎不可能完成的任務。
供應鏈正在從一條直線鏈條變成圍繞著需求和OEM廠商的“環”。
一方面，軟件定義汽車雖是無可爭辯的長期趨勢，但除非所有系統能夠打通，才能做到用軟件定義硬件需求，從而實現真正的軟硬分離。在汽車復雜系統的實現情況下，至少在一定時間內，汽車軟硬件的強耦合才是更強烈的需求。
另一方面，在復雜的結構下，各個功能模塊芯片需求并不相同。對性能敏感的ADAS和座艙模塊可能需要兩年一更新，但對于重要網關或者中央計算架構中的CCU而言，更需要的是相對穩定的環境，更多的需求是漸進式的升級。
這都需要芯片廠商與主機廠協調合作，在汽車定義的初期就加入整體設計中。車廠與芯片廠商也都在為自己找到新的定位。
恩智浦大中華區汽車電子事業部市場總監翟驍曙表示，新的電子架構不像傳統架構每個ECU是獨立的功能節點，現在把整車架構當做整體考慮已經是一種不可逆的趨勢，整車廠對電子電氣架構需要有更大的把控，甚至將整個架構完全委托給某一家供應商，否則很難做到多家供應商協調并滿足整車廠的需要。
張雄也表示，原來的鏈狀生態不需要閉環，所以我只要買這個功能即可，至于具體是誰家的芯片并不重要。但現在OEM和芯片廠有著強互動，車廠必須向芯片企業提出需求，才能支撐未來對整個產品和服務的要求。雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
